跳到正文
arXiv · 机器人与计算机视觉· Sebastian Sanokowski, Alireza Sarmadi, Majid Khadiv·· 29 天前精选AI 评分83

FERPO:一种基于前向熵正则化的策略优化算法

FERPO: Forward Entropy-Regularized Policy Optimization

AI 导读

针对连续控制强化学习中 Critic 预测回报无法准确导出动作梯度的问题,本文提出 Forward Entropy-Regularized Policy Optimization (FERPO)。

推荐理由

提出无需对 Critic 求导的策略优化新算法 FERPO,通过前向 KL 正则化提升探索与样本效率。

来源:arXiv · 机器人与计算机视觉 · arxiv.org